La qualité des données (QD) et la gestion de la qualité des données (GQD) s’imposent comme une stratégie commerciale nécessaire. dans les organisations de niveau entreprise. Bien qu’il ne s’agisse pas d’un concept nouveau (la qualité des données est un sujet de préoccupation depuis l’utilisation du entrepôts de données), elle gagne plus en plus d’attention, car les entreprises commencent à découvrir les conséquences de la faiblesse des données sur les expériences des clients et l’efficacité opérationnelle. et l’efficacité opérationnelle.
De nombreuses études menées par Gartner, Experian, le Data Warehousing Institute révèlent que les problèmes de qualité des données coûtent aux entreprises américaines jusqu’à 600 milliards de dollars par an.
Malgré les conséquences d’une mauvaise qualité des données, très peu d’organisations adoptent un plan de gestion de la qualité des données pour évaluer, contrôler et améliorer la qualité de leurs données.a. L’absence de planification stratégique et de les limitations en termes de ressources, d’outils et de processus freinent les entreprises. Mais il n’en est pas forcément ainsi.
Dans ce bref article, nous allons vous aider à comprendre les premières étapes essentielles que vous pouvez suivre pour créer un plan de gestion de la qualité des données qui améliorera non seulement vos données mais aussi votre efficacité opérationnelle.
Pourquoi le DQM est-il important ?
82 % des entreprises avec lesquelles nous avons travaillé ont déclaré que la mauvaise qualité des données était un facteur déterminant de leur succès. leur principal défi commercial. Pour la plupart de ces organisations, leurs données constituent un actif intellectuel précieux qu’elles sont impatientes d’utiliser, mais dont elles ont du mal à comprendre le sens.
Bien qu’il y ait des centaines de raisons de donner la priorité à la gestion de la qualité des données, une raison clé qui les surpasse toutes est le bénéfice
résultat net de votre entreprise.
En fin de compte, tout se résume à la quantité d’argent que vous perdez en raison des ressources, des dépenses et des solutions de contournement qui doivent être mises en œuvre pour remédier aux conséquences de la mauvaise qualité des données.
Par exemple:
- Etrès call un n représentant commercial fait à une information non qualifiée ou mal définie sur un prospect est une dépense.
- Chaque campagne avec taux élevé de rebond des emails à cause de obsolète adresses e-mailesses est un gaspillage d’opportunités (et de temps).
- Une dégradation des données de 2 % par mois peut entraîner la perte de milliers d’opportunités.
- Listes ou enregistrements avec doublons et des données redondantes seront à l’origine de données faussées et d’informations inexactes.
- Les listes ou les enregistrements qui ne correspondent pas aux règles de conformité des données peuvent augmenter les risques d’amendes et de pénalités.
Au fil du temps, ces problèmes apparemment mineurs se transforment en dépenses récurrentes qui affectent le résultat net. et se transforment en dépenses récurrentes qui affectent le résultat net – sans parler de la perte de contrats, de clients et de crédibilité.
À l’échelle mondiale, la quantité moyenne de données inexactes est passée de 17 % il y a 12 mois à 22 %. Les organisations américaines pensent en fait qu’elles ont le pourcentage le plus élevé de données inexactes, soit 25 %.
Comment déterminer l’état de la qualité des données de votre entreprise ?
La qualité des données est fixée au moment de la création. Mais nous ne jugeons réellement de cette qualité qu’au moment de l’utilisation. Si la qualité est mauvaise, les gens utilisent des raccourcis pour contourner les données ou corrigent eux-mêmes les erreurs. Ce n’est pas la bonne façon de faire able sortir. Il y a beaucoup trop de dépendances qui sont affectées par des données mal saisies.
Alors si vous vous demandez pourquoivos rapports sont incohérents, pourquoi vos équipes doivent passer des jours à extraire des informations des données, pourquoi vos campagnes de marketing sont inefficaces ou pourquoi votre organisation est exposée à un risque de violation de la sécurité des données, il est temps d’évaluer la qualité des données de votre company’s data quality.
Pour ce faire, nous vous recommandons un processus simple.
- Évaluez vos données CRM:
Les données de votre CRM sont un bon point de départ. Demandez à votre équipe d’évaluer la qualité de vos données et de déterminer le ratio de doublons, de champs désordonnés ou non structurés et d’informations non valides dans une liste de 500 contacts. Recherchez les incohérences dans les structures, comme l’utilisation d’une structure horaire de 24 heures par rapport à une structure horaire de 12 heures. Recherchez les informations incomplètes, telles que champs de numéro de téléphone nuls. Vous pouvez également faire appel à un médecin des données tiers qui examinera les données et vous remettra un rapport sur la santé des données. - Trop de sources de données :
Un rapport Oreily suggère que le nombre trop élevé de sources de données est un problème de qualité des données primaire. Vos données sont-elles stockées dans plusieurs Les CRM ? Disposez-vous de plusieurs systèmes pour stocker les informations relatives aux clients ? Vous avez du mal à obtenir unUne vue détaillée du parcours de vos clients et de leur interaction avec votre entreprise ? Plus de 90 % des clients avec lesquels nous avons travaillé indiquent que la disparité des sources de données est l’un de leurs défis les plus frustrants. Il y a beaucoup trop de systèmes qui stockentg des informations qui se dégradent ou deviennent redondantes au fil du temps (généralement en quelques mois) et les entreprises ne parviennent pas à consolider ou à contrôler ces données. Même celles qui ont engagé des équipes d’experts n’ont pas réussi à gérer l’exactitude de leurs informations, malgré les millions de dollars dépensés pour faire appel aux meilleurs cerveaux. - Mauvais aperçus et rapports de veille stratégique :
La qualité des données est passée d’une fonction opérationnelle associée à l’efficacité et à la réduction des coûts à une fonction stratégique. alimentant la connaissance du consommateur et l’intelligence économique globale. Les DSI des entreprises avec lesquelles nous avons discuté associent toujours le besoin de données de qualité à des objectifs spécifiques aux clients, tels que la personnalisation, l’amélioration de l’expérience et l’amélioration des services à la clientèle. Si vous vous battez avec des connaissances insuffisantes sur les clients, comme la difficulté de suivre les clients à travers différents points de contact, ou comprendre leurs points de douleur, il peut être attributd à la mauvaise utilisation des données. De même,les rapports de veille stratégique qui reposent sur des données périmées, comme la pratique courante consistant à utiliser les données du dernier trimestre. ou les données relatives aux ventes de l’année précédente pour déterminer le gou les opportunités seront inefficaces. Le marché se développe à un rythme exponentiel. Les données que vous aviez il y a un an peuvent ne sont pas exactes à l’heure actuelle. La qualité des données doit donc être un objectif en temps réel. Votre organisation a besoin de données auxquelles il peut accéder en temps réel.
Qui est responsable d’un plan de gestion de la qualité des données ?
La qualité des données est passée du statut de problème informatique à celui de problème socio-technologique. Systèmes et processuses peuvent aider dans une certaine mesure, mais il incombe à l’organisation d’inculquer une culture-change qui donne la priorité à la qualité des données. Après tout, les personnes et les processus sont presque toujours impliqués dans la création et la perpétuation des problèmes de qualité des données.
Une formation obligatoire sur la qualité des données doit être pour tous les employés qui traitent les données. Qu’il s’agisse de commerciaux, de responsables du marketing, de responsables du service clientèle ou de gestionnaires de comptes, tout le monde est concerné.doit être formé sur son rôle dans le processus. En outre, ils doivent être formés pour reconnaître les problèmes de qualité des données. et comment résoudre le problème dans le cadre d’une gouvernance des données des données.
Par exemple, il n’est pas rare que les directeurs des ventes créent des champs personnalisés dans un CRM pour leurs propres besoins. des idées. Ou encore, les utilisateurs professionnels qui apportent des modifications directement dans un enregistrement pour gagner du temps et de l’énergie. Tous ces problèmes entraînent d’importants problèmes de qualité des données à terme. Les champs personnalisés utilisés par ce manager spécifique peuvent être rendus inutiles si les champs n’offrent pas de valeur critique à l’équipe dans son ensemble. Les changements effectués par le chef d’entreprise ne sont pas reproduits dans les autres services de l’entreprise.ses systèmes de sorte qu’au moment de l’analyse, l’entreprise aura des enregistrements contradictoires.
Technologies numériques, outils d’automatisation etc. ne peuvent pas tout faire – il faut que votre personnel soit aligné sur l’objectif pour que de réels progrès soient réalisés. Qualité des donnéesest donc la responsabilité de chacun.
Comment démarrer une initiative de gestion de la qualité des données ?
Il existe deux approches de la qualité des données des données – l’approche active et l’approche passive.
Avec l’approche active, la qualité des données est fixée au moment de leur création. Il s’agirait de mettre en place des contrôles frontaux (comme l’utilisation de menus déroulants au lieu de la saisie manuelle des données)les tools régissant la saisie des logiciels, et des programmes de formation pour tous.
L’approche passive consiste à utiliser des outils de qualité des données pour nettoyer et normaliser les données. La consolidation des données provenant de sources multiples et leur déduplication pour supprimer les redondances constituent un élément clé de cette approche. Supplémentaire activités comprennent :
- Correspondance des données pour supprimer les doublons et consolider les listes
- Normalisation des données si vos données présentent de graves problèmes de structure, comme le montre l’image ci-dessous.
- Fusion/purge de données pour créer des enregistrements en or
- La survie des données pour écraser toutes les informations par de nouvelles informations
Le choix de la bonne approche dépend du problème auquel vous êtes confronté et de votre budget. La plupart des entreprises ont mis en place une approche active solide. Ce qui leur pose problème, c’est l’arrière-plan des choses, comme essayer de consolider les listes pour obtenir… homogénéisé données clients, ou en essayant de faire correspondre des listes avec les listes de sanctions ou de conformité des États-Unis. Certains ont des difficultés avec la qualité des données pendant ou après une fusion ou une acquisition d’entreprise.
Quelle que soit l’approche ou la situation, une chose est claire : la gestion de la qualité des données est un effort constant et non un événement ponctuel.
Pour maximiser le retour sur investissement, les entreprises doivent mettre en œuvre des programmes relatifs au personnel, aux processus et à la technologie afin de surveiller et d’améliorer en permanence la qualité des données et de maintenir des données cohérentes, précises, fiables et dignes de confiance.
Comment Data Ladder peut vous aider à créer un processus DQM ?
Au fil des ans, nous avons aidé plus de 4 500 entreprises du classement Fortune 500. dont Coca Cola, Deloitte et HP. à mettre en œuvre un processus DQM. L’outil phare de l’entreprise en matière de qualité des données, DataMatch Enterprise, suit un cadre systématique qui permet à une société de gestion de données d’effectuer des analyses et des analyses.traitement des données au coup par coup.
En tant qu’outil sur site, DME peut être utilisé sur votre serveur en nuage ou sur votre ordinateur de bureau avec les mêmes résultats en termes de vitesse et d’efficacité. En outre, il permet également l’intégration de plus de 500 sources de données, ce qui signifie que vous pouvez directement brancher votre source de données pour fixer les données sans avoir à les exporter dans un autre format.
Le DME est un DME est un outil de choix pour les organisationsLes organisations qui ont besoin d’un nettoyage et d’une normalisation des données dans le cadre d’une initiative d’appariement des données préfèrent DME. Cela signifie qu’avec un seul outil, vous obtenez tout ce dont vous avez besoin pour donner du sens à vos données.
En conclusion – Pour avoir une longueur d’avance, créez dès maintenant un plan DQM.
Un paysage concurrentiel chargé par le La puissance dynamique des données oblige les entreprises à prêter attention à la qualité des données. Il ne s’agit plus de fixer des chiffres et des alphabets – il s’agit littéralement de trouver des opportunités cachées, de découvrir des informations clés, maximiser les retours sur investissement et ouvrir la voie à l’inclusion des technologies d’IA et de ML. Pour que tout cela se produise, vous avez besoin de données auxquelles vous pouvez faire confiance.
